CC BY
17
УДК 621.397.13 DOI: https://doi.org/10.34680/2076-8052.2019.4(116).9-12
УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ, ПОЛУЧЕННЫХ МЕТОДОМ ДИФФЕРЕНЦИАЛЬНОЙ СПЕКТРОЗОНАЛЬНОЙ ВИЗУАЛИЗАЦИИ
А.А.Ваниев, М.А.Калитов*, Н.П.Корнышев*
IMPROVEMENT OF IMAGES OBTAINED BY THE METHOD OF DIFFERENTIAL MULTISPECTRAL IMAGING
A.A.Vaniev, M.A.Kalitov*, N.P.Kornyshev*
АО «ЭЛСИ», Великий Новгород *Новгородский государственный университет имени Ярослава Мудрого, Nikolai.Kornishev@novsu.ru
Обсуждаются вопросы улучшения дифференциальной спектрозональной визуализации. Рассматриваются методы обработки, позволяющие улучшить получаемые дифференциальные изображения. Исследуется набор изображений, полученных при помощи спектрозональной телевизионной системы с набором стандартных светофильтров, имеющих спектральные характеристики в широких зонах регистрации светового потока и соответствующих спектральным границам для RGB-компонент цветного изображения. Моделируется процесс получения цветного изображения из соответствующих дифференциальных изображений. Приводятся примеры полученных изображений. Оценивается качество цветопередачи и насыщенность цветов тестовых объектов при дополнительной обработке дифференциальных изображений алгоритмом контрастно-ограниченного адаптивного выравнивания гистограммы. Обсуждаются результаты компьютерного моделирования с целью сравнительной оценки получаемых изображений. Делается вывод о целесообразности использования перед линейной яркостной коррекцией дополнительной обработки дифференциальных изображений методом контрастно-ограниченного адаптивного выравнивания гистограмм с целью повышения их качества.
Ключевые слова: спектрозональная визуализация, обработка спектрозональных изображений
The article discusses the improvement of differential multispectral imaging. Processing methods improving the obtained differential images are considered. A set of images obtained by means of a multispectral television system with a set of standard light filters having spectral characteristics in wide areas of light flux registration and corresponding spectral boundaries for RGB components of a colour image is investigated. The process of obtaining a colour image from the corresponding differential images is simulated. Examples of the obtained images are given. The quality of colour reproduction and colour saturation of text objects is estimated with additional processing of differential images by the algorithm of contrast-limited adaptive histogram alignment. The results of computer simulation for the purpose of comparative evaluation of the obtained images are discussed. It is concluded that it is expedient to use additional processing of difference spectral images by contrast-limited adaptive histogram alignment before linear brightness correction in order to improve their quality.
Keywords: the spectral visualization, images processing
Метод дифференциальной спектрозональной визуализации [1], заключающийся в дополнительной цифровой обработке исходных широкодиапазонных изображений путем формирования разностных (дифференциальных) изображений, соответствующих узким участкам спектрального диапазона, позволяет получить дополнительную видеоинформацию без увеличения аппаратных затрат, однако, как показывают исследования [2-4], не обеспечивает точного соответствия оптическому методу выделения узких участков спектрального диапазона.
В [2-4] рассматриваются методы, позволяющие уменьшить указанное выше несоответствие и основанные на обеспечении положительных значений сигнала при получении дифференциальных изображений. Это фактически достигается суммированием позитива первого изображения X и негатива второго
изображения У или наоборот, суммированием негатива первого изображения X и позитива второго изображения Y с последующей инверсией, а также применением линейной яркостной коррекции [5].
Связь спектральных характеристик и процессов сигнальной обработки при дифференциальной
спектрозональной визуализации иллюстрирует рис.1, на котором показаны выражения для преобразования сигналов яркости в матричной форме, схематичные идеализированные графики соответствующих спектральных характеристик и получаемые изображения.
Сигналам изображений X и Y (позитив) соответствует пара перекрывающихся спектральных характеристик. Инверсии сигнала (негатив) ставится в соответствие инверсия соответствующей спектральной характеристики. Формирование сигнала изображения Z=(Х+У)/2 или Z=(Х+У)/2, соответствующего узкой зоне регистрации, осуществляется в позитиве или негативе в зависимости от вида спектральной характеристики, соответствующей Z, и получающейся как результат взаимного перекрытия пары спектральных характеристик.
Тем не менее, рассмотренные выше меры не обеспечивают достаточного улучшения дифференциальных спектрозональных изображений и, таким образом, поиск путей повышения их качества остается актуальной задачей.
Однако существуют адаптивные методы коррекции изображений, например, алгоритм контрастно-
Рис.1. Иллюстрация связи спектральных характеристик, процессов сигнальной обработки и получаемых изображений при дифференциальной спектрозональной визуализации
ограниченного адаптивного выравнивания гистограммы CLAHE (Contrast Limited Adaptive Histogram Equalization), который разработан для выявления деталей на изображениях рентгеновского диапазона и пригоден для обработки широкого класса изображений [6].
Целью данной статьи является ознакомление с результатами компьютерного моделирования метода дифференциальной спектрозональной визуализации и качественной оценкой соответствия получаемых результатов оптическому методу формирования спектрозональных сигналов при использовании дополнительной обработки дифференциальных спектрозональных изображений алгоритмом CLAHE.
Методика эксперимента
Для оценки соответствия получаемой визуальной информации по дифференциальному методу формируются 3 узкие зоны регистрации, соответствующие трехкомпонентному цветовому восприятию зрительным анализатором человека, а именно соответствующие компонентам красного, зеленого и синего (R, G и B). Для этого подбираются 4 исходные расширенные зоны регистрации с границами ^ ~ 400 нм, Х2 ~ 500 нм, ~ 600 нм, ~ 700 нм и Хмакс ~ 1000 нм, что обеспечивает формирования узких зон регистрации R = 600-700 нм, G = 500-600 и B = 400-500 нм. Максимумы основных цветов в системе RGB соответствуют данным интервалам.
Исходные изображения (рис.2) были получены от телевизионной установки, состоящей из чер-
но-белой телевизионной камеры стандартной чувствительности с объективом и линейкой сменных светофильтров, размещаемых в заднем рабочем отрезке объектива, устройства ввода изображений и ПЭВМ.
В линейке использовались светофильтры из набора стандартных цветных стекол типа ЖС4, ЖС18, КС11 и КС19, имеющих крутые перепады спектральной характеристики, соответственно на Xi~400 нм., Х2~500 нм, Х3~600 нм, Х4~700 нм а также расширенные зоны регистрации вплоть до ближней инфракрасной области спектра при спектральных характеристиках, достаточно близких к прямоугольным.
Указанным выше расширенным спектральным интервалам соответствуют исходные световые потоки, преобразуемые в цифровые коды U1, U2, U3, U4, пропорциональные яркости для соответствующих элементов исходных спектрозональных телевизионных изображений, представленным на рис.4.
При приведенном выше выборе расширенных спектральных интервалов формирование разностных изображений Ui-U2, U2-U3, U3-U4 обеспечивает их соответствие красной, зеленой и синей областям спектра.
Таким образом, формирование RGB компонент в соответствии с выражениями B = Uj-U2, G = U2-U3, R = U3-U4 и результирующего RGB-изображения позволяет проверить адекватность цветопередачи визуализируемого объекта и, следовательно, соответствие метода дифференциальной спектрозональной визуализации оптическому методу выделения узких участков спектрального диапазона.
Сравнивались результирующее Л05-изображе-ние, полученное из дифференциальных спектрозо-нальных изображений с последующей яркостной коррекцией, и результирующее RGB-изображение, полу-
ченное из этих же дифференциальных спектрозо-нальных изображений, дополнительно обработанных алгоритмом СЬАИЕ с последующей яркостной коррекцией. Яркостная коррекция в обоих случаях про-
Рис.3. Дифференциальные спектрозональные телевизионные изображения, соответствующие B, G и R компонентам
Рис.4. Дифференциальные спектрозональные телевизионные изображения, соответствующие В, G и R компонентам после линейной яркостной коррекции
Рис.5. Дифференциальные спектрозональные телевизионные изображения, соответствующие В, G и R компонентам, обработанные алгоритмом CLAHE
Рис.6. Дифференциальные спектрозональные телевизионные изображения, соответствующие В, G и R компонентам, обработанные алгоритмом CLAHE с последующей линейной яркостной коррекцией
Рис.7. RGB изображения: слева — полученные из изображений, приведенных на рис.4, справа — полученные из изображений, приведенных на рис.6
водилась с автоматическим определением верхнего и нижнего порогов коррекции по максимуму и минимуму соответствующего сигнала. Полученные в процессе эксперимента изображения приведены на рис.3-7.
Как видно на рис.7, применение дополнительной обработки алгоритмом CLAHE позволяет заметно улучшить изображения, полученные методом дифференциальной спектрозональной визуализации, с точки зрения обеспечения более точного соответствия узкополосным спектрозональным изображениям, получаемым оптическим путем. Это подтверждается тем, что, в частности, улучшается цветопередача объектов в цветном изображении, полученном из RGB компонент, синтезированных дифференциальным методом. Так, например, синий объект на рис.7 в цветном изображении без обработки алгоритмом CLAHE имеет фиолетовый, а желтый объект — оранжевый оттенок, в то время как на дополнительно обработанном алгоритмом CLAHE цвета данных объектов соответствуют в значительно большей степени своим истинным оттенкам.
Кроме этого, повышается насыщенность цвета визуализируемых объектов, что соответствует графикам (рис.8), где приведены нормированные максимальные значения RGB сигналов для сравниваемых изображений.
0,35 0,30 0,75 0,70 0,65 0,60 0,55 0,50
В m а х G m а х Rmax ♦ CLAHE-t Imadjust U Imadjust
Рис.8. Сравнение максимальных значений RGB сигналов без дополнительной обработки алгоритмом CLAHE и при его использовании
Выводы
1. Визуальное качество дифференциального спектрозонального изображения и его соответствие спектрозональному изображению, получаемому оптическим путем, может быть повышено путем дополнительной обработки.
2. По результатам проведенных экспериментов можно рекомендовать дополнительную обработку дифференциальных спектрозональных изображений алгоритмом СЬАИЕ с последующей линейной ярко-стной коррекцией.
1. Сагдуллаев Ю.С., Сагдуллаев Т.Ю. К вопросу выбора зон регистрации в спектрозональном телевидении // Вопросы радиоэлектроники. Сер.: Техника телевидения. 2011. Вып.2. С.20.
2. Корнышев Н.П., Калитов М.А., Сенин А.С. Исследование метода дифференциальной спектрозональной визуализации // Вестник НовГУ. Сер.: Технические науки. 2018. №1(107). С.62-69.
3. Патент 2189664 РФ. МКИ7 H01L 21/461. Способ формирования цифровых спектрозональных телевизионных сигналов / М.А.Калитов, Н.П.Корнышев. Заявл. 28.04.2018. Опубл. 14.02.2019. Бюл.5.
4. Калитов М.А., Корнышев Н.П. Повышение точности метода дифференциальной спектрозональной визуализации // Вестник НовГУ. Сер.: Технические науки. 2019. №2(114). С.31-34.
5. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
6. Zuiderveld K. Contrast limited adaptive histogram equalization // Graphics gems IV. Academic Press Professional, Inc., 1994. P.474-485.
References
1. Sagdullaev Iu.S., Sagdullaev T.Iu. K voprosu vybora zon reg-istratsii v spektrozonal'nom televidenii [Choice of registration zones in spectrozonal television]. Voprosy radioelek-troniki. Ser.: Tekhnika televideniia. 2011, iss.2, P.20.
2. Kornyshev N.P., Kalitov M.A., Senin A.S. Issledovanie metoda differentsial'noi spektrozonal'noi vizualizatsii [Study of the method of differential spectral visualization]. Vestnik NovGU. Ser.: Tekhnicheskie nauki. 2018, no. 1(107), pp.62-69.
3. Kalitov M.A., Kornyshev N.P. Sposob formirovaniia tsi-frovykh spektrozonal'nykh televizionnykh signalov [Method for generating digital spectrozone television signals]. Patent RF, no. 2189664.
4. Kalitov M.A., Kornyshev N.P. Povyshenie tochnosti metoda differentsial'noi spektrozonal'noi vizualizatsii [Accuracy increase of the differential multispectral imaging method]. Vestnik NovGU. Ser.: Tekhnicheskie nauki. 2019, no. 2(114), pp.31-34.
5. Gonzalez R., Woods R. Digital image processing. Pearson, 2007, 972 p. (Russ. ed.: Gonzalez R., Woods R. Tsifrovaia obrabotka izobrazhenii. Moscow, Tekhnosfera Publ., 2005. 1072 p.)
6. Zuiderveld K. Contrast limited adaptive histogram equaliza-
tion. Graphics gems IV. Academic Press Professional, Inc., 1994, pp.474-485.
